Американцы опубликовали новые правила дистанционной идентификации дронов
Федеральное управление гражданской авиации США (FAA) опубликовало предварительную версию проекта новых правил удаленной идентификации дронов. Согласно им, все подлежащие регистрации дроны (массой от 250 грамм и выше) должны быть оборудованы системой, которая будет во время полета транслировать идентификатор дрона и его местоположение в радиоэфир, а также передавать эти данные в интернет. В течение первых двух месяцев 2020 года FAA будет собирать предложения по изменению текста правил, а через три года правила вступят в силу.
В последние годы популярность квадрокоптеров и других гражданских беспилотников значительно выросла, из-за чего эксперты и власти стали опасаться, что они будут представлять серьезную угрозу безопасности полетов больших летательных аппаратов. К счастью, пока дроны не становились причиной серьезных авиакатастроф, но, к примеру, приводили к закрытию крупнейших аэропортов на десятки часов. Для борьбы с потенциальными катастрофами производители дронов уже давно применяют программные меры. Например, дроны всех крупных производителей оснащены базой местоположений аэропортов и закрытых территорий, и не дают пилотам направить дрон в эти области.
Помимо этого власти многих стран законодательно регулируют полеты дронов и требуют регистрировать их (как правило, если их масса составляет 250 грамм и больше). Тем не менее, фактически соблюдение этих требований сложно отслеживать. Например, если полицейский или другой представитель государства видит в небе дрон, он не может проверить его принадлежность, наличие разрешения на полеты и другие сведения. Для решения этой проблемы FAA уже достаточно давно работало над введением обязательной системы идентификации, но лишь сейчас ведомство опубликовало предварительную версию новых правил.
Все дроны, подлежащие регистрации, должны будут оснащаться той или иной реализацией системы Remote ID. Исключения сделаны для дронов массой менее 250 грамм, самодельных дронов и дронов, эксплуатируемых правительством, а также дронов, выпущенных до вступления новых правил в силу. Однако аппараты, подпадающие под исключения, смогут летать только в отдельных районах (FRIA) и только в пределах прямой видимости оператора. Разрешение на создание такой полетной зоны могут запрашивать только местные власти.
В проекте правил предусмотрено два вида системы: полная, с помощью которой дроны будут транслировать сигнал с идентификатором и местоположением окружающим аппаратам, а также передавать его в интернет-сервис FAA, и частичная, при которой требуется только передавать данные в интернет. Дроны второго типа будут ограничены полетом на расстоянии не более 122 метров от места управления (фактически от оператора).
При условии вступления правил в силу, через два года после этого компании не должны производить дроны, не совместимые с Remote ID и предназначенные для полетов в США, а через три года правила полностью вступят в силу и полеты несовместимых дронов будут под запретом.
В ноябре DJI показала пример работы собственной реализации Remote ID, во время которого дрон смог передать данные на смартфоны находящихся вокруг людей через Wi-Fi. Кроме того, компания заявила, что с 1 января 2020 года все производимые ей дроны массой от 250 грамм будут оснащаться приемопередатчиками зависимого наблюдения ADS-B, позволяющими предупреждать самолеты и вертолеты о сближении. При этом недавно DJI выпустила полноценный дрон Mavic Mini, который весит 249 грамм и не подпадает под действия многих правил FAA.
Григорий Копиев
Алгоритм уменьшает время простоя на 78 процентов
Инженеры из Японии создали алгоритм машинного обучения, который автоматически стимулирует таракана-киборга больше двигаться и не позволяет ему долго оставаться в одном месте. Движение таракана контролируется с помощью электроимпульсов, генерируемых рюкзачком с системой дистанционного управления. Алгоритм увеличил на 70 процентов среднюю дистанцию, пройденную киборгом, и снизил время простоя таракана на 78 процентов. Статья опубликована в Cyborg and Bionic Systems. Миниатюрные роботы могут пригодиться в самых разных сферах: от ремонта авиационных двигателей до поиска выживших под завалами. Однако из-за недостаточной развитости компактной компонентной базы, в особенности актуаторов и источников питания, это все еще сложная инженерная задача, и большинство проектов остаются на уровне лабораторных прототипов. Одно из альтернативных решений состоит в использовании живых организмов, например, тараканов или даже летающих насекомых, которые уже обладают способностью к эффективному передвижению. В их организм внедряют электроды, через которые подключаются электронные модули, контролирующие перемещения насекомого за счет электростимуляции. Однако насекомые-киборги не полностью контролируются электронными системами. Они сохраняют свои особенности поведения, которые могут ограничивать их перемещение. Например, мадагаскарские свистящие тараканы, которые часто используются в экспериментах, склонны к снижению активности в ярко освещенных областях и при недостаточно высокой температуре. Кроме того, они предпочитают бегать вдоль стен, а не по открытым пространствам. Это приводит к сложностям в использовании насекомых-киборгов и требует оптимизации стимулирующих сигналов управления. Группа инженеров под руководством Кейсуке Морисима (Keisuke Morishima) из Университета Осаки внедрила в систему управления тараканом-киборгом алгоритм машинного обучения, который позволяет автоматически стимулировать передвижение насекомого, чтобы оно не оставалось на одном месте. Так же, как и предыдущие исследователи, инженеры использовали особь мадагаскарского шипящего таракана из-за его больших размеров, достигающих семи сантиметров. Для передачи стимулирующих сигналов в усикообразные органы в задней части таракана (церки) были имплантированы платиновые электроды, соединенные медными проводами с приклеенным на спину насекомого шестиграммовым рюкзачком с электронными компонентами. Данные о движении насекомого получают с помощью встроенного в рюкзак инерционного измерительного модуля, который с помощью акселерометра и гироскопа определяет текущие линейное ускорение и угловую скорость таракана. Эта информация по беспроводному каналу связи передается на персональный компьютер на вход алгоритма машинного обучения. Из данных, разбитых на окна по 1,5 секунды, извлекаются признаки, которые затем поступают на вход классификатора, определяющего двигается насекомое или нет. В случае, если таракан остается неподвижным дольше заданного времени, на его церки подаются электрические импульсы. Наиболее эффективным алгоритмом классификации в представленной задаче оказался метод опорных векторов. Для экспериментов инженеры построили арену в форме окружности, над которой разместили камеру для отслеживания реального положения насекомого. Без дополнительной электростимуляции три таракана, использованные в тестах, стремились оставаться в периферийной области у стен арены и избегали открытого пространства большую часть времени. Использование алгоритма и электростимуляции позволило снизить время простоя в среднем на 78 процентов, а время поиска пройденную дистанцию увеличить на 68 и 70 процентов соответственно. При этом среднее время электростимуляции для всех тараканов составило всего 3,4 секунды. Таким образом алгоритм позволяет снизить количество сигналов электростимуляции и тем самым предотвратить утомление животного. Ранее мы рассказывали про американских инженеров, которые разработали носимую поворотную монохромную камеру для жуков и микророботов. Благодаря ее небольшой массе, которая составляет менее четверти грамма, насекомые с ней могут свободно двигаться и балансировать.